指数平滑法论文

《指数平滑法论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案电力系统规划论文电力系统负荷预测方法——指数平滑法电气与自动化工程学院电气工程及其自动化专业班级：学号：姓名：qijia精彩文档实用标准文案电力系统负荷预测方法——指数平滑法摘要：负荷预测是电力系统领域的一个传统研究问题，随着我国电力事业的发展，电网的管理日趋现代化，电力系统负荷预测问题的研究也越来越引起人们的注意。指数平滑法是一种简单常用的负荷预测方法，他能用较少的原始数据，对未来的负荷情况进行预测。这种方法通常适合进行短期负荷预测。关键词：电力负荷预测指数平滑法电力负荷预测是电力系统规划决策、经济运行的前提和基础，电力负荷的准确预测对

2、电力系统的经济运行和国民经济的发展具有重要意义。由于电能难以大量储存的特点，导致了在供电过程中，电能的生产和消费必须时刻达到平衡：电能过量，会导致电网安全稳定性的降低；而电能不足，又会影响社会正常生产和生活。所以电力负荷的准确预测，对国民经济，国家发展等问题上至关重要。电力系统负荷预测问题的研究也越来越引起人们的注意，现在已经成为了现代电力系统运行研究中的重要课题之一。电力负荷是指电力需求量或用电量，即能量的时间变化率，也可以说是发电厂、供电地区或电网在某一瞬间所承担的工作负荷。电力负荷经常变化，可按小时、天、周、月、年等时段变化，同时负荷又是以天为

3、单位不断起伏的，具有较大的周期性，负荷变化的过程是连续的，一般不会出现大的突变，但电力负荷对季节、温度、天气等较为敏感的，不同的季节，不同地区不同的气候，以及温度的变化都会对负荷造成一定的影响。这是电力负荷的最重要特点。电力系统负荷预测理论和方法随时代的发展而进步。如今在深度和广度上都有了长足的进步。负荷预测总的来说可分为非数学和数学方法两大类。非数学方法有国际比较法、专家估计法等，数学方法主要包括相关法和外推法两类。相关法有回归分析法和投入产出法;外推法有指数平滑法、时间序列法、卡尔曼滤波法等。指数平滑法作为外推法中的一种重要类型，运用尤为普遍.原

4、因在于这种方法建立的精彩文档实用标准文案模型较简单，计算简便、需要存贮的数据少，通过近期的观察值能很快地计算出新的预测值。在电力负荷预测方面，它既可用于对未来周日以小时负荷为统计样本的短期预。图2.1指数平滑法图例指数平滑法（ExponentialSmoothing，ES）是布朗(Robert.G.Brown)所提出，布朗认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会是持续的未来，所以将较大的权数放在最近的资料。图2.1即为指数平滑法的预测某未来趋势的图例指数平滑是一种重要的时间序列预测法，

5、它的基本思想是先对原始数据进行处理，然后再根据处理后的数据(即平滑值)经过计算构成预测模型，用于测取未来预测值。指数平滑法是用于中短期电力负荷的预测，所有预测方法中用得最多的一种。简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用；移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合

6、一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。根据平滑次数的不同，指数平滑法可分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。精彩文档实用标准文案指数平滑法基本原理指数平滑法的一般公式是:St=Axt+(1-A)St-1(1)式中,St为第t期的平滑值;xt为第t期的实际观察值;St-1为第t-1期的平滑值;A为平滑常数,其取值范围为(0,1);将St-1=Axt-1+(1-A)St-2,St-2=Axt-1+(1-A)St-3,St-3=Axt-1+(1-A)St-4,

7、代入公式(1)可得:St=Axt+A(1-A)xt-1+A(1-A)2xt-2+A(1-A)3xt-3+,+A(1-A)t-1x1+(1-A)tS0上述公式中各项系数和为A+A(1-A)+A(1-A)2+,+A(1-A)t-1+(1-A)t=A1-(1-A)t1-(1-A)+(1-A)t(2)当ty]时,(1-A)ty0,系数和y1,因此可以说St是t期及以前各期观察值的指数加权平均数,离t期越远,各期的数据的系数就越小,所对预测值产生的影响也越小.公式(1)也可直接变换为St=St-1+A(xt-St-1)(3)从上式中不难看出简单指数平滑法用于预

8、测时实际上是根据本期预测误差对本期预测值作出一定的修正后得到的新的预测值,即:新的预测值=老预测值+A@老预